SkyReels-V2 : génération vidéo de longueur infinie par Skywork

SkyReels-V2

VidéoTexte-vers-VidéoImage-vers-VidéoDiffusion ForcingLongueur infinie

Le modèle vidéo ouvert de Skywork AI, construit sur une architecture AutoRegressive Diffusion-Forcing. Il génère des clips de longueur arbitraire au-delà des limites d'un clip unique au lieu de traiter chaque plan isolément, et est proposé en checkpoints 14B et 1.3B en 540P et 720P, en variantes Text-to-Video, Image-to-Video et Diffusion Forcing, ainsi que des adaptateurs LoRA pour le fine-tuning.

Collection Hugging Face GitHub Article Playground

Développeur	Kunlun Tech (Skywork AI)
Date de sortie	2025-04
Architecture	AutoRegressive Diffusion-Forcing Transformer
Modèle de base	Wan2.1 (Wan-AI)
Licence	Licence communautaire SkyReels-V2
Tailles des modèles	14B (540P / 720P), 1.3B (540P)
Capacités	Texte-vers-vidéo, image-vers-vidéo, Diffusion Forcing de longueur infinie, extension vidéo, contrôle des images de début et de fin
Précision	fp16, fp8_e4m3fn, fp8_e5m2

Qu'est-ce que SkyReels-V2 ?

SkyReels-V2 est le premier modèle génératif vidéo open source construit sur une architecture AutoRegressive Diffusion-Forcing, combinant un LLM multimodal, un pré-entraînement multi-étapes, l'apprentissage par renforcement et le framework Diffusion Forcing. Diffusion Forcing prédit les images de manière autoregressive plutôt que de générer un clip de longueur fixe, ce qui permet la génération de films de longueur infinie : une vidéo peut continuer au-delà des limites d'une seule fenêtre, et une vidéo existante peut être étendue en la réinjectant en entrée.

Trois variantes sont proposées en 540P et 720P : les modèles standards Text-to-Video, Image-to-Video, et les modèles Diffusion Forcing qui prennent en charge les deux tâches en inférence synchrone (plus rapide) ou asynchrone (meilleur suivi des instructions et meilleure cohérence). Un checkpoint DF de 1.3B cible les GPU grand public, et des adaptateurs LoRA couvrent le fine-tuning T2V et I2V en 720P.